Você está na página 1de 8

Captulo 3

Operacoes sobre uma variavel aleatoria


- Esperanca matematica

Neste captulo, introduz-se algumas operacoes importantes que podem ser realizadas sobre

uma variavel aleatoria.

3.1 Esperanca

Valor esperado e o nome dado ao processo de tomar uma media quando uma variavel aleatoria
esta envolvida. Para uma variavel aleatoria X, usa-se a notacao E[X], que pode ser lida como
a esperanca matematica de X, o valor esperado de X, o valor medio de X ou ainda a

media estatstica de X.
Ocasionalmente, usa-se a notacao X que tem o mesmo significado que E[X], ou seja,
X = E[X].
Para motivar a definicao de E[X], parte-se do exerccio a seguir.

Exerccio 3.1. [1] Noventa pessoas foram selecionadas aleatoriamente e o valor em reais

fracionario das moedas em seus bolsos foi contado. Se a conta dava acima de um real, o valor
inteiro era descartado e tomava-se apenas a parte que ia de 0 a 99 centavos. Observou-se
que 8, 12, 28, 22, 15 e 5 pessoas tinham 18, 45, 64, 72, 77 e 95 centavos respectivamente.
35
M. Eisencraft 3.1 Esperanca 36

Determine o valor medio da quantidade de centavos nos bolsos.

Seguindo o exemplo do Exerccio 3.1, o valor esperado de uma variavel aleatoria X e definido

por
Z
E[X] = X = xfX (x)dx. (3.1)

Caso X seja discreta com N possveis valores de xi com probabilidades P (xi ), entao:

N
X
E[X] = X = xi P (xi ). (3.2)
n=1

Exerccio 3.2. A potencia captada na entrada de uma antena interna pode ser modelada
aproximadamente por uma variavel aleatoria contnua distribuda exponencialmente com

1 e (xa)
b , x>a
b
fX (x) = (3.3)
0,

x<a

xeax dx = e a2 (1 + ax).
R ax
Determine o valor medio da potencia recebida. Dica:

Como ficara evidente na proxima secao, muitos parametros uteis relacionados a uma variavel
aleatoria X podem ser obtidos encontrando o valor esperado de uma funcao real g() de X.
Este valor esperado e dado por

Z
E [g(X)] = g(x)fX (x)dx. (3.4)

Se X for uma variavel aleatoria discreta,

N
X
E [g(X)] = g (xi ) P (xi ). (3.5)
n=1

Exerccio 3.3. Sabe-se que uma dada tensao aleatoria pode ser representada por uma variavel
M. Eisencraft 3.2 Momentos 37

aleatoria de Rayleigh V com funcao densidade dada por



2
2 (v a)e (va)
b , va
b
fV (v) = (3.6)
0,
v<a

com a = 0 e b = 5. Esta tensao e aplicada a um dispositivo que gera uma tensao Y = g(V ) = V 2

que e igual, numericamente, a potencia de V (sobre um resistor de 1). Encontre a potencia


media de V .

Exerccio 3.4. [1] Um problema em sistemas de comunicacoes e como definir a informacao


de uma fonte. Considere a modelagem de uma fonte capaz de emitir L smbolos distintos
(mensagens) representados pelos valores de uma variavel aleatoria discreta xi , i = 1, 2, . . . ,

(L = 2 e o caso binario). Seja P (xi ) a probabilidade do smbolo X = xi . Pergunta-se, qual a


informacao contida nesta fonte, em media. E necessario fazer tres consideracoes.
Primeiro, considera-se que a informacao deve ser maior para sadas da fonte com baixa
probabilidade. Por exemplo, contem pouca informacao prever tempo quente e seco para o

deserto do Saara ja que estas condicoes prevalecem quase todo o tempo. Mas prever tempo
frio e chuvas fortes carrega muita informacao. A seguir, as informacoes de duas fontes
independentes devem se somar de acordo e finalmente a informacao deve ser uma quantidade
positiva (uma escolha feita) e zero para um evento que ocorre com certeza. Uma funcao com

estas propriedades e a logartmica. Como duas quantidades representam o menor numero


para uma escolha, o logaritmo na base 2 e escolhido para medir informacao e sua unidade e
h i
1
chamada de bit. Para uma fonte, definimos a informacao de um smbolo xi como log2 P (xi ) =
log2 [P (xi )]. Determine entao a informacao media ou entropia, de uma fonte discreta com

L smbolos possveis.

3.2 Momentos

Uma aplicacao imediata do valor esperado de uma funcao g() de uma variavel aleatoria X e
o calculo de momentos. Dois tipos de momentos sao de interesse, os em torno da origem e os
M. Eisencraft 3.2 Momentos 38

em torno da media.

3.2.1 Momentos em torno da origem

A funcao

g(X) = X n , n = 0, 1, 2, . . . (3.7)

quando usada na Eq. (3.4) fornece o momento em torno da origem da variavel aleatoria X.

Denotando-se o enesimo momento por mn , tem-se:

Z
n
mn = E [X ] = xn fX (x)dx. (3.8)

Claramente, m0 = 1, a area sob a funcao fX (x) e m1 = X, o valor esperado de X.

3.2.2 Momentos centrais

Momentos em torno da media sao chamados de momentos centrais e sao simbolizados por n .
Sao definidos pelo valor esperado da funcao

n
g(X) = X X , n = 0, 1, 2, . . . (3.9)

que e
Z
 n  n
n = E X X = xX fX (x)dx. (3.10)

O momento 0 = 1 e a area sob fX (x), enquanto 1 = 0. (Por que?).

3.2.3 Variancia e distorcao (skew )

O segundo momento central 2 e tao importante que e conhecido por um nome especial:
2
variancia representada por X . Assim, a variancia e definida por

h Z
2
2 i 2
X =E X X = xX fX (x)dx. (3.11)

M. Eisencraft 3.2 Momentos 39

A raiz positiva X da variancia e chamada de desvio padrao de X e e uma medida do


espalhamento da funcao fX (x) ao redor da media.

A variancia pode ser determinada conhecendo-se o primeiro e segundo momento em torno


da origem, pois

h 2 i h 2
i 2
2
= E X 2 2XX + X = E X 2 2XE[X] + X = m2 m21 (3.12)
 
X =E X X

h 3 i
O terceiro momento central 3 = E X X e uma medida da assimetria de fX (x) ao
redor de x = X = m1 . E chamada de distorcao (skew ) da funcao densidade. Se uma densidade

e simetrica em torno de x = X, entao ela tem distorcao zero.


3
O terceiro momento central normalizado 3
X
e chamado de coeficiente de distorcao (skew-
ness).

Exerccio 3.5. [1] Seja X uma variavel aleatoria com a funcao densidade exponencial do

Exerccio 3.2. Determine a variancia de X.

Exerccio 3.6. [1] Ainda para a variavel X do exerccio anterior,

2 3
a Mostre que 3 = X 3 3XX X .

b Calcule 3 e o coeficiente de distorcao.


h i R h 3 i
x2 2x 2 3x2 6x 6
x2 emx dx = emx ; x3 emx dx = emx xm
R
Dicas: m
m2
+ m3 m2
+ m3
m4
.

Exerccio 3.7. [1] Certo medidor e projetado para ler pequenas tensoes, porem comete erros
por causa de rudos. Os erros sao representados de forma acurada por uma variavel aleatoria
gaussiana com media nula e desvio padrao 103 V. Quando o nvel DC e desconectado, descobre-
se que a probabilidade da leitura do medidor ser positiva devido ao rudo e 0,5. Quando a tensao

DC e presente, a probabilidade torna-se 0,2514. Qual o nvel DC?


M. Eisencraft 3.3 Funcoes que fornecem momentos 40

3.3 Funcoes que fornecem momentos

Podem ser definidas duas funcoes que permitem que todos os momentos para uma variavel
aleatoria X possam ser calculados. Sao as funcoes caracterstica e geradora de momentos.

3.3.1 Funcao caracterstica

A funcao caracterstica de uma VA X e definida por

X () = E ejX
 
(3.13)


em que j = 1. E uma funcao do numero real < < . Se a Eq. (3.13) for escrita
em termos da funcao densidade, x () pode ser vista como a transformada de Fourier (com o
sinal de invertido) de fX (x):

Z
X () = fX (x)ejx dx. (3.14)

Assim, se x () e conhecida, fX (x) pode ser obtida pela transformada inversa de Fourier
(com o sinal de x trocado)

1
Z
fX (x) = X ()ejx d (3.15)
2

Pode-se mostrar que diferenciando-se a Eq. (3.14) n vezes em relacao a e fazendo = 0


na derivada, obtem-se o n-esimo momento de X, ou seja,

dn X ()

n
mn = (j) (3.16)
d n =0

Pode-se mostrar tambem que a magnitude maxima da funcao caracterstica e unitaria e

ocorre em = 0; isto e
|X ()| X (0) = 1 (3.17)
M. Eisencraft 3.4 Transformacoes de uma variavel aleatoria 41

Exerccio 3.8. Considere novamente a VA com densidade exponencial do Exerccio 3.2 e


encontre sua funcao caracterstica e seu primeiro momento

3.3.2 Funcao geradora de momento

Uma outra media estatstica fortemente relacionada a funcao caracterstica e a funcao geradora
de momento, definida por
MX () = E eX
 
(3.18)

em que e um numero real < < . Assim, MX () e dado por

Z
MX () = fX (x)ex dx. (3.19)

Os momentos sao relaciodos a MX () por

dn MX ()

mn = . (3.20)
d n =0

Exerccio 3.9. Considere a variavel exponencial do Exerccio 3.2. Calcule sua funcao geradora
de momento e seu primeiro momento.

3.4 Transformacoes de uma variavel aleatoria

Muito frequentemente deseja-se transformar uma VA X em uma nova VA Y por meio de uma
transformacao
Y = T (X). (3.21)

Tipicamente, a funcao densidade fX (x) ou distribuicao FX (x) e conhecida e o problema e


determinar a funcao densidade fY (y) ou distribuicao FY (y) de Y .
Referencias Bibliograficas

[1] P. Z. P. Jr., Probability, Random Variables And Random Signal Principles, 4th ed. New
York: Mcgraw-Hill, 2001.

[2] B. P. Lathi, Modern Digital and Analog Communication Systems, 3rd ed. New York, NY,

USA: Oxford University Press, Inc., 1998.

42